基于XGBoost分類和數(shù)值模式“配料”的浙江強對流預(yù)報方法

摘要： 如何提高強對流天氣的客觀分類和時空預(yù)報的準(zhǔn)確性一直是天氣預(yù)報中的難點。文章將機器學(xué)習(xí)分類算法融合中尺度模式,實現(xiàn)了雷暴大風(fēng)和短時強降水的逐小時預(yù)報。具體算法為:首先利用XGBoost分類算法和10年以上歷史數(shù)據(jù)建立強對流分類潛勢預(yù)報模型;其次通過統(tǒng)計CMA-SH9模式要素的最佳空間鄰域半徑和概率密度分布特征,基于組合最優(yōu)評分提取要素閾值,建立要素空間鄰域“配料”模型;最后通過聯(lián)... （共16頁）